- •Лекция 1: Введение
- •Основные понятия и определения.
- •Область применения.
- •Краткий исторический обзор развития работ в области ии.
- •Функциональная структура использования сии.
- •Литература
- •Сетевые модели
- •Продукционные модели.
- •Сценарии.
- •Интеллектуальный интерфейс
- •Классификация уровней понимания
- •Методы решения задач.
- •Решение задач методом поиска в пространстве состояний.
- •Решение задач методом редукции.
- •Решение задач дедуктивного выбора
- •Решение задач, использующие немонотонные логики, вероятностные логики.
- •Данные и знания. Основные определения.
- •Особенности знаний. Переход от Базы Данных к Базе Знаний.
- •Модели представления знаний. Неформальные (семантические) модели.
- •Например, структура табл. 1.1, записанная в виде протофрейма, имеет вид
- •Формальные модели представления знаний.
- •Компоненты продукционных систем
- •Стратегии решений организации поиска
- •Представление простых фактов
- •- Описание состояния человека
- •- Описание размещения персонала предприятия
- •Примеры применения логики для представления знаний.
- •Литература
- •Лекция 6: Планирование задач
- •Основные определения
- •Комплексная схема нечеткого планирования
- •Особенности планирования целенаправленных действий
- •Оценки сложности задачи планирования
- •Литература
- •Структура экспертных систем
- •Этапы разработки экспертных систем
- •Интерфейс с конечным пользователем
- •Представление знаний в экспертных системах
- •Уравни представления и уровни детальности
- •Организация знаний в рабочей системе
- •Организация знаний в базе данных
- •Методы поиска решений в экспертных системах
- •Средства представления знаний и стратегии управления
- •Подготовительный этап
- •Основной этап
- •Системы приобретения знаний от экспертов
- •Формализация качественных знаний
- •Пример формализации качественных знаний
- •Понимание в диалоге
- •Примеры системы обработки естественного языка
- •Методы озвучивания речи
- •Наиболее распространенные системы синтеза речи
- •Речевой вывод информации
- •Методы синтеза речи
- •Обобщенная функциональная структура синтезатора
- •Модуль лингвистической обработки
- •Лингвистический анализ
- •Формирование просодических характеристик
- •Cинтезатор русской речи
- •Язык формальной записи правил синтеза
- •Интонационное обеспечение
- •Аллофонная база данных
- •Лингвистический анализ
- •Инструментарий синтеза русской речи
- •Cистема распознавания речи
- •Акустическая модель
- •Лингвистическая модель
- •Классификация систем распознавания речи
- •-Простейшие (корреляционные) детекторы
- •Заключение
- •Литература
- •Основные принципы или целостность восприятия
- •Распознавание символов
- •Шаблонные системы
- •Структурные системы
- •Признаковые системы
- •Структурно-пятенный эталон
- •Уроки машинного чтения от Cognitive Technologies
- •Распознавание рукописных текстов
- •В этой статье я хотел бы затронуть некоторые из последних научных работ в области искусственной жизни и искусственного интеллекта.
- •Состояние и тенденции развития искусственного интеллекта
- •Успехи систем искусственного интеллекта и их причины
- •Экспертные системы реального времени - основное направление искусственного интеллекта
- •Основные производители
- •Архитектура экспертной системы реального времени
- •Жизненный цикл приложения
- •Основные компоненты
- •Базы знаний
- •Машина вывода, подсистема моделирования и планировщики
- •Заключение
- •Литература
Интерфейс с конечным пользователем
Система G2 предоставляет разработчику богатые возможности для формирования простого, ясного и выразительного графического интерфейса с пользователем с элементами мультипликации. Предлагаемый инструментарий позволяет наглядно отображать технологические процессы практически неограниченной сложности на разных уровнях абстракции и детализации. Кроме того, графическое отображение взаимосвязей между объектами приложения может напрямую использоваться в декларативных конструкциях языка описания знаний.
RTworks не обладает собственными средствами для отображения текущего состояния управляемого процесса. Разработчик приложения вынужден использовать систему Dataview фирмы VI Corporation, что в значительной степени ограничивает его возможности.
Интерфейс с пользователем TDC Expert ограничен возможностями системы TDC 3000, т.е. взаимодействие с конечным пользователем
ограничивается текстовым режимом работы.
Представление знаний в экспертных системах
Первый и основной вопрос, который надо решить при представлении знаний, - это вопрос определения состава знаний, т.е. определение того, «ЧТО ПРЕДСТАВЛЯТЬ» в экспертной системе. Второй вопрос касается того, «КАК ПРЕДСТАВЛЯТЬ» знания. Необходимо отметить, что эти две проблемы не являются независимыми. Действительно, выбранный способ представления может оказаться непригодным в принципе либо неэффективным для выражения некоторых знаний.
По нашему мнению, вопрос «КАК ПРЕДСТАВЛЯТЬ» можно разделить на две в значительной степени независимые задачи: как организовать (структурировать) знания и как представить знания в выбранном формализме.
Стремление выделить организацию знаний в самостоятельную задачу вызвано, в частности, тем, что эта задача возникает для любого языка представления и способы решения этой задачи являются одинаковыми (либо сходными) вне зависимости от используемого формализма.
Итак, в круг вопросов, решаемых при представлении знаний, будем включать следующие:
определение состава представляемых знаний;
организацию знаний;
представление знаний, т.е. определение модели представления. Состав знаний ЭС определяется следующими факторами:
проблемной средой;
архитектурой экспертной системы;
потребностями и целями пользователей;
языком общения.
В соответствии с общей схемой статической экспертной системы (см. рис. 1.1) для ее функционирования требуются следующие знания:
знания о процессе решения задачи (т.е. управляющие знания), используемые интерпретатором (решателем);
знания о языке общения и способах организации диалога, используемые лингвистическим процессором (диалоговым компонентом);
знания о способах представления и модификации знаний, используемые компонентом приобретения знаний;
поддерживающие структурные и управляющие знания, используемые объяснительным компонентом.
Для динамической ЭС, кроме того, необходимы следующие знания:
1) знания о методах взаимодействия с внешним окружением;
2) знания о модели внешнего мира.
Зависимость состава знаний от требований пользователя проявляется в следующем:
какие задачи (из общего набора задач) и с какими данными хочет решать пользователь;
каковы предпочтительные способы и методы решения;
при каких ограничениях на количество результатов и способы их получения должна быть решена задача;
каковы требования к языку общения и организации диалога;
какова степень общности (конкретности) знаний о проблемной области, доступная пользователю;
каковы цели пользователей.
Состав знаний о языке общения зависит как от языка общения, так и от требуемого уровня понимания.
С учетом архитектуры экспертной системы знания целесообразно делить на интерпретируемые и неинтерпретируемые . К первому типу относятся те знания, которые способен интерпретировать решатель (интерпретатор). Все остальные знания относятся ко второму типу. Решатель не знает их структуры и содержания. Если эти знания используются каким-либо компонентом системы, то он не «осознает» этих знаний. Неинтерпретируемые знания подразделяются на вспомогательные знания, хранящие информацию о лексике и грамматике языка общения, информацию о структуре диалога, и поддерживающие знания. Вспомогательные знания обрабатываются естественно-языковой компонентой, но ход этой обработки решатель не осознает, так как этот этап обработки входных сообщений является вспомогательным для проведения экспертизы. Поддерживающие знания используются при создании системы и при выполнении объяснений. Поддерживающие знания выполняют роль описаний (обоснований) как интерпретируемых знаний, так и действий системы. Поддерживающие знания подразделяются на технологические и семантические. Технологические поддерживающие знания содержат сведения о времени создания описываемых ими знаний, об авторе знаний и т.п. Семантические поддерживающие знания содержат смысловое описание этих знаний. Они содержат информацию о причинах ввода знаний, о назначении знаний, описывают способ использования знаний и получаемый эффект. Поддерживающие знания имеют описательный характер.
Интерпретируемые знания можно разделить на предметные знания, управляющие знания и знания о представлении. Знания о представлении содержат информацию о том, каким образом (в каких структурах) в системе представлены интерпретируемые знания.
Предметные знания содержат данные о предметной области и способах преобразования этих данных при решении поставленных задач. Отметим, что по отношению к предметным знаниям знания о представлении и знания об управлении являются метазнаниями. В предметных знаниях можно выделить описатели и собственно предметные знания. Описатели содержат определенную информацию о предметных знаниях, такую, как коэффициент определенности правил и данных, меры важности и сложности. Собственно предметные знания разбиваются на факты и исполняемые утверждения. Факты определяют возможные значения сущностей и характеристик предметной области. Исполняемые утверждения содержат информацию о том, как можно изменять описание предметной области в ходе решения задач. Говоря другими словами, исполняемые утверждения - это знания, задающие процедуры обработки. Однако мы избегаем использовать термин «процедурные знания», так как хотим подчеркнуть, что эти знания могут быть заданы не только в процедурной, но и в декларативной форме.
Управляющие знания можно разделить на фокусирующие и решающие. Фокусирующие знания описывают, какие знания следует использовать в той или иной ситуации. Обычно фокусирующие знания содержат сведения о наиболее перспективных объектах или правилах, которые целесообразно использовать при проверке соответствующих гипотез (см. п. 9.2). В первом случае внимание фокусируется на элементах рабочей памяти, во втором - на правилах базы знаний. Решающие знания содержат информацию, используемую для выбора способа интерпретации знаний, подходящего к текущей ситуации. Эти знания применяются для выбора стратегий или эвристик, наиболее эффективных для решения данной задачи.
Качественные и количественные показатели экспертной системы могут быть значительно улучшены за счет использования метазнании, т.е. знаний о знаниях. Метазнания не представляют некоторую единую сущность, они могут применяться для достижения различных целей. Перечислим возможные назначения метазнаний :
1) метазнания в виде стратегических метаправил используются для выбора релевантных правил ;
2) метазнания используются для обоснования целесообразности применения правил из области экспертизы;
3) метаправила используются для обнаружения синтаксических и семантических ошибок в предметных правилах;
4) метаправила позволяют системе адаптироваться к окружению путем перестройки предметных правил и функций;
5) метаправила позволяют явно указать возможности и ограничения системы, т.е. определить, что система знает, а что не знает.
Вопросы организации знаний необходимо рассматривать в любом представлении, и их решение в значительной степени не зависит от выбранного способа (модели) представления. Выделим следующие аспекты проблемы организации знаний :
организация знаний по уровням представления и по уровням детальности;
организация знаний в рабочей памяти;
организация знаний в базе знаний.